Fugu-MT 論文翻訳(概要): DARSAN: A Decentralized Review System Suitable for NFT Marketplaces

論文の概要: DARSAN: A Decentralized Review System Suitable for NFT Marketplaces

arxiv url: http://arxiv.org/abs/2307.15768v1
Date: Fri, 28 Jul 2023 18:54:27 GMT
ステータス: 処理完了
システム内更新日: 2023-08-01 19:33:42.773490
Title: DARSAN: A Decentralized Review System Suitable for NFT Marketplaces
Title（参考訳）: DARSAN: NFTマーケットプレースに適した分散レビューシステム
Authors: Sulyab Thottungal Valapu, Tamoghna Sarkar, Jared Coleman, Anusha Avyukt, Hugo Embrechts, Dimitri Torfs, Michele Minelli, Bhaskar Krishnamachari
Abstract要約: 非Fungible Token(NFT)市場向けに設計された分散レビューシステムであるDARSANを紹介する。 DARSANは、客観的な人気を正確に予測し、資産の主観的な品質を評価する可能性のあるレビュアーのグループを反復的に選択することで機能する。我々は,DARSANをシミュレーションにより評価し,まず最初に選択した専門家の自己資金で自己資金で行うと,誠実なレビュアーが好まれ,外部の介入なしに専門家プールの品質が向上することを示した。
参考スコア（独自算出の注目度）: 3.891805457836515
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We introduce DARSAN, a decentralized review system designed for Non-Fungible Token (NFT) marketplaces, to address the challenge of verifying the quality of highly resalable products with few verified buyers by incentivizing unbiased reviews. DARSAN works by iteratively selecting a group of reviewers (called ``experts'') who are likely to both accurately predict the objective popularity and assess some subjective quality of the assets uniquely associated with NFTs. The system consists of a two-phased review process: a ``pre-listing'' phase where only experts can review the product, and a ``pre-sale'' phase where any reviewer on the system can review the product. Upon completion of the sale, DARSAN distributes incentives to the participants and selects the next generation of experts based on the performance of both experts and non-expert reviewers. We evaluate DARSAN through simulation and show that, once bootstrapped with an initial set of appropriately chosen experts, DARSAN favors honest reviewers and improves the quality of the expert pool over time without any external intervention even in the presence of potentially malicious participants.
Abstract（参考訳）: 非フランジブルトークン(nft)マーケットプレース向けに設計された分散レビューシステムであるdarsanを導入することで,不偏レビューのインセンティブを与えることで,信頼性の高い製品の品質を検証することの課題を解決する。 DARSANは、客観的な人気を正確に予測し、NFTと一意に関連付けられた資産の主観的品質を評価することができるレビューアのグループ(「専門家」と呼ばれる)を反復的に選択することで機能する。システムは2段階のレビュープロセスから成り、専門家だけが製品をレビューできる‘pre-listing’フェーズと、システムのレビュアーが製品をレビューできる‘`pre-sale’フェーズである。販売が完了すると、DARSANは参加者にインセンティブを配布し、専門家と非専門家の両方のパフォーマンスに基づいて次世代の専門家を選定する。我々はdarsanをシミュレーションによって評価し,まず最初に選択した専門家をブートストラップすると,真面目なレビュアーを好み,潜在的に悪質な参加者がいる場合でも外部の介入をすることなく,専門家プールの品質を時間とともに向上させることを示した。

関連論文リスト

Unveiling the Achilles' Heel of NLG Evaluators: A Unified Adversarial Framework Driven by Large Language Models [52.368110271614285]
我々は,NLG評価器に対する新しいブラックボックス対逆フレームワークであるAdvEvalを紹介する。 AdvEvalは、人間と被害者の評価者との強い意見の相違をもたらすデータを生成するために特別に調整されている。我々は,12名の被害者評価者と11名のNLGデータセットを用いて,対話,要約,質問評価などのタスクを分散した実験を行った。
論文参考訳（メタデータ） (2024-05-23T14:48:15Z)
Prometheus 2: An Open Source Language Model Specialized in Evaluating Other Language Models [92.66784679667441]
プロメテウス2は、人間とGPT-4の判断を密接に反映するより強力な評価器である。ユーザ定義評価基準でグループ化された、直接評価とペアのランキングフォーマットの両方を処理できる。 4つの直接評価ベンチマークと4つのペアのランキングベンチマークで、Prometheus 2は人間と独自のLM判事との相関と合意を最も高く評価している。
論文参考訳（メタデータ） (2024-05-02T17:59:35Z)
Incorporating Recklessness to Collaborative Filtering based Recommender Systems [42.956580283193176]
無謀さは、予測された評価の出力確率分布のばらつきを考慮に入れます。実験結果から、無謀性はリスクレギュレーションだけでなく、予測の量や品質も改善することが示された。
論文参考訳（メタデータ） (2023-08-03T21:34:00Z)
E-NER: Evidential Deep Learning for Trustworthy Named Entity Recognition [69.87816981427858]
ほとんどの名前付きエンティティ認識(NER)システムは、モデル不確実性を定量化する必要性を無視して、モデルパフォーマンスの改善に重点を置いている。 Evidential Deep Learning (EDL) は、最近、分類タスクの予測不確実性を明示的にモデル化するための有望な解決策として提案されている。本稿では、従来のEDLに2つの不確実性誘導損失条件を導入し、一連の不確実性誘導訓練戦略を導入することにより、E-NERという信頼性の高いNERフレームワークを提案する。
論文参考訳（メタデータ） (2023-05-29T02:36:16Z)
Debiasing Recommendation by Learning Identifiable Latent Confounders [49.16119112336605]
コンバウンディングバイアスは、ユーザの露出とフィードバックの両方に影響を与える未測定変数の存在によって生じる。既存の手法では,(1) 未測定変数について不確定な仮定を行うか,(2) 潜伏した共同創設者を直接ユーザの露出から推測する。本稿では、上記の非識別問題の解決にプロキシ変数の集合を利用する新しい方法、すなわち、識別可能なデコノウ(iDCF)を提案する。
論文参考訳（メタデータ） (2023-02-10T05:10:26Z)
The Unfairness of Active Users and Popularity Bias in Point-of-Interest Recommendation [4.578469978594752]
本稿では, (i) アクティブユーザの不公平さ, (ii) 人気項目の不公平さ, (iii) 調査三角形の3つの角度として推薦の精度について検討する。アイテムフェアネスでは、アイテムをショートヘッド、ミッドテール、ロングテールグループに分割し、これらのアイテムグループの露出をユーザのトップkレコメンデーションリストにまとめる。本研究は, 消費者と生産者の公正性を両立させることができず, 自然バイアスが原因と考えられる変数間のトレードオフが示唆されている。
論文参考訳（メタデータ） (2022-02-27T08:02:19Z)
A Graph-based Approach for Mitigating Multi-sided Exposure Bias in Recommender Systems [7.3129791870997085]
FairMatchは、アイテムやサプライヤーの露出公正性を改善するグラフベースのアルゴリズムである。 2つのデータセットに関する包括的な実験と最先端のベースラインとの比較により、FairMatchは露出公正性と集約多様性を大幅に改善する一方で、レコメンデーションの許容レベルを維持している。
論文参考訳（メタデータ） (2021-07-07T18:01:26Z)
PURS: Personalized Unexpected Recommender System for Improving User Satisfaction [76.98616102965023]
本稿では、予期せぬことを推奨プロセスに組み込んだ、新しいPersonalized Unexpected Recommender System(PURS)モデルについて述べる。 3つの実世界のデータセットに対する大規模なオフライン実験は、提案されたPURSモデルが最先端のベースラインアプローチを大幅に上回っていることを示している。
論文参考訳（メタデータ） (2021-06-05T01:33:21Z)
Confidence-Budget Matching for Sequential Budgeted Learning [69.77435313099366]
問合せ予算で意思決定問題を定式化する。我々は,多腕バンディット,線形バンディット,強化学習問題を考察する。我々は,CBMに基づくアルゴリズムが逆性の存在下で良好に動作することを示す。
論文参考訳（メタデータ） (2021-02-05T19:56:31Z)
Improving Opinion Spam Detection by Cumulative Relative Frequency Distribution [0.9176056742068814]
オンラインレビューにおける意見スパムの検出には様々なアプローチが提案されている。我々は意見スパムの分類に有効な一連の機能を再設計した。分布特性を用いることで分類器の性能を向上させることができることを示す。
論文参考訳（メタデータ） (2020-12-27T10:23:44Z)
FairRec: Two-Sided Fairness for Personalized Recommendations in Two-Sided Platforms [36.35034531426411]
両面のオンラインプラットフォームにおけるフェアレコメンデーションの問題について検討する。当社のアプローチでは、公正な推奨問題の新たなマッピングと、特定不可能な商品をかなり割当する問題の制約付きのバージョンが関係している。提案したFairRecアルゴリズムは、ほとんどの生産者に対して少なくともマクシミン・シェア(MMS)の露出を保証し、すべての顧客に対してEvy-Free to Oneアイテム(EF1)のフェアネスを保証します。
論文参考訳（メタデータ） (2020-02-25T09:43:48Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。